丁逸俊，馮 蕓

(上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

極端下跌事件的正反饋效應(yīng)與監(jiān)管限制溢出

丁逸俊，馮 蕓

(上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

本文探討了在市場(chǎng)之間聯(lián)系愈發(fā)緊密情況下，針對(duì)單一市場(chǎng)“圍堵”式的臨時(shí)監(jiān)管限制措施可能引發(fā)的跨市場(chǎng)風(fēng)險(xiǎn)。以2015年股指急劇下跌后對(duì)股指期貨交易加大管制為背景，本文發(fā)現(xiàn)，一系列限制措施出臺(tái)后，股指期貨市場(chǎng)出現(xiàn)整體流動(dòng)性萎縮，現(xiàn)貨市場(chǎng)則出現(xiàn)了較為顯著的收益率與成交量的正反饋效應(yīng)，造成極端下跌事件的自我實(shí)現(xiàn)。本文認(rèn)為，對(duì)股指期貨交易的過度限制，使得機(jī)構(gòu)投資者在下跌行情中無法通過期貨對(duì)沖風(fēng)險(xiǎn)，加劇了現(xiàn)貨市場(chǎng)拋售壓力，引發(fā)了現(xiàn)貨市場(chǎng)極端下跌事件。因此，監(jiān)管層在設(shè)計(jì)和運(yùn)用監(jiān)管限制時(shí)應(yīng)當(dāng)審慎、全面分析目前的市場(chǎng)關(guān)聯(lián)結(jié)構(gòu)變化，避免政策的失靈和不恰當(dāng)政策帶來的風(fēng)險(xiǎn)。

監(jiān)管限制；跨市場(chǎng)風(fēng)險(xiǎn)；正反饋

1 引言

近三十年來，金融市場(chǎng)波動(dòng)和風(fēng)險(xiǎn)事件此起彼伏。特別是在短期急劇下跌之后，金融監(jiān)管機(jī)構(gòu)往往會(huì)緊急出臺(tái)一系列嚴(yán)苛的監(jiān)管限制措施來穩(wěn)定市場(chǎng)。然而，人們發(fā)現(xiàn)，隨著金融市場(chǎng)之間的聯(lián)系日趨緊密，這些針對(duì)局部市場(chǎng)的臨時(shí)性管制措施雖然能在短期內(nèi)穩(wěn)定部分市場(chǎng)，但卻可能對(duì)關(guān)聯(lián)市場(chǎng)產(chǎn)生溢出效應(yīng)，引發(fā)更大的動(dòng)蕩，損害金融市場(chǎng)質(zhì)量。本文，以2015年股指急劇下跌后對(duì)股指期貨交易加大管制為背景，研究監(jiān)管措施可能產(chǎn)生的溢出效應(yīng)和跨市場(chǎng)風(fēng)險(xiǎn)，對(duì)于監(jiān)管層改進(jìn)管理方式、維護(hù)市場(chǎng)穩(wěn)定、防止系統(tǒng)性金融風(fēng)險(xiǎn)傳染具有重要的現(xiàn)實(shí)意義。

股票市場(chǎng)的極端風(fēng)險(xiǎn)事件，往往伴隨著股票價(jià)格短時(shí)間內(nèi)普遍大幅下挫。在對(duì)1987年美國股市崩盤的研究中，有學(xué)者指出，這種短時(shí)間大范圍的資產(chǎn)暴跌的主要原因是流動(dòng)性出現(xiàn)了驟然喪失[1-2]。從極端下跌事件發(fā)生時(shí)的指令流(Order flow)來看，由于投資者擔(dān)心出現(xiàn)流動(dòng)性枯竭而無法及時(shí)賣出股票止損，投資者進(jìn)行大量同向拋售操作，使得股票流動(dòng)性供給(主要指限價(jià)委托買盤量)驟減，流動(dòng)性需求(成交賣盤和市價(jià)賣單)驟增，導(dǎo)致股票的確出現(xiàn)流動(dòng)性枯竭和股價(jià)的進(jìn)一步加速下跌，形成了類似“銀行擠兌”式的極端下跌事件的自我實(shí)現(xiàn)，而這一現(xiàn)象又被稱為“正反饋效應(yīng)”[3-4]。正反饋效應(yīng)被認(rèn)為是引起股市非線性復(fù)雜動(dòng)態(tài)行為的主要途徑，是導(dǎo)致我國股市大起大落等不規(guī)則波動(dòng)行為的主要原因[5]。

正反饋效應(yīng)引發(fā)的股票市場(chǎng)短暫暴跌，就目前的中國股票市場(chǎng)來說其主要危害在于：1)對(duì)市場(chǎng)沖擊強(qiáng)烈，并具有很強(qiáng)的傳染性[6-7]，容易在短時(shí)間內(nèi)造成整個(gè)市場(chǎng)的恐慌，導(dǎo)致市場(chǎng)的癱瘓和功能受損。2)容易引發(fā)股票市場(chǎng)操縱行為，利用正反饋效應(yīng)中投資者的不理性行為和恐慌心態(tài)，形成類似“大量拋空”(Bear raid)的市場(chǎng)操縱[8]。3)隨著我國金融創(chuàng)新的深化，路徑依賴的特征明顯增強(qiáng)，在一個(gè)存在杠桿的市場(chǎng)中，短時(shí)間內(nèi)大幅的價(jià)格扭曲在實(shí)際中往往導(dǎo)致信用賬戶交易者無法補(bǔ)足保證金而被迫平倉，或因?yàn)樽芳颖ＷC金而占用大量資金，帶來價(jià)值損失和資金鏈的斷裂，容易誘發(fā)系統(tǒng)性風(fēng)險(xiǎn)事件[9]。

然而由于極端事件樣本較少，再加上之前日內(nèi)高頻數(shù)據(jù)較難獲取，較早對(duì)于正反饋效應(yīng)的研究大多反映了一段時(shí)間內(nèi)市場(chǎng)整體收益率與波動(dòng)率等動(dòng)力學(xué)特征[7,10-11]，卻無法描述短時(shí)間內(nèi)市場(chǎng)的動(dòng)態(tài)變化，另外對(duì)時(shí)間段的選取也沒有考慮由于市場(chǎng)超跌回調(diào)造成的前后正負(fù)反饋效應(yīng)相互抵消的問題，使得正反饋效應(yīng)的表現(xiàn)程度比實(shí)際情況偏小[11]。本文選取2015年共23次日內(nèi)極端下跌事件作為研究對(duì)象，運(yùn)用高頻分筆數(shù)據(jù)，對(duì)極端下跌事件發(fā)生前短時(shí)間內(nèi)的正反饋效應(yīng)進(jìn)行實(shí)證研究。本文發(fā)現(xiàn)，在股指期貨交易限制前后，現(xiàn)貨指數(shù)的正反饋效應(yīng)出現(xiàn)了顯著差異。交易限制前并沒有出現(xiàn)正反饋效應(yīng)，但交易限制之后，現(xiàn)貨指數(shù)出現(xiàn)了顯著的正反饋效應(yīng)。

對(duì)于下跌行情中出現(xiàn)正反饋現(xiàn)象以及隨后造成極端下跌事件自我實(shí)現(xiàn)的成因，近年來的一些學(xué)者基于行為金融學(xué)框架從投資者情緒[12]、異質(zhì)信念[13-15]兩個(gè)角度進(jìn)行解釋。這些文獻(xiàn)通過理論模型解釋了極端情況下發(fā)生正反饋效應(yīng)的機(jī)理、正反饋效應(yīng)的突然性及傳染性，然而這些理論模型的缺陷在于當(dāng)設(shè)定了投資者交易策略和交易環(huán)境后，正反饋現(xiàn)象必然會(huì)發(fā)生，卻無法解釋本文中現(xiàn)貨指數(shù)從沒有正反饋效應(yīng)到存在正反饋效應(yīng)的現(xiàn)象。本文從監(jiān)管限制改變市場(chǎng)交易機(jī)制進(jìn)而改變投資者行為的角度，提出了極端下跌行情中正反饋效應(yīng)成因的一個(gè)合理解釋。

不同的交易機(jī)制在價(jià)格發(fā)現(xiàn)過程中所起到的作用不同，對(duì)市場(chǎng)參與者的行為策略影響不同，對(duì)于市場(chǎng)質(zhì)量的影響勢(shì)必會(huì)有所不同[16]。例如對(duì)期貨市場(chǎng)持倉限制是否能有效預(yù)防操縱和過度投機(jī)的探討，以及對(duì)賣空限制[16,20]在股市暴跌中所起到的作用的探討。特別是在極端情況下，對(duì)投資者的交易限制(諸如賣空限制、持倉限制、熔斷和漲跌停等)都會(huì)促使交易者盡快清算其資產(chǎn)，使得市場(chǎng)產(chǎn)生較短時(shí)間內(nèi)的暴跌[4]。而在對(duì)1997年10月27日美國股市第一次出發(fā)熔斷交易前的投資者行為的研究中也印證了這一觀點(diǎn)。在觸及熔斷前投資者為規(guī)避熔斷所導(dǎo)致的流動(dòng)性缺失，撤銷限價(jià)訂單轉(zhuǎn)為市價(jià)訂單，并且更多的從訂單驅(qū)動(dòng)市場(chǎng)撤離[18-19]。盡管上述文獻(xiàn)肯定了交易機(jī)制對(duì)市場(chǎng)的影響，然而無論是國內(nèi)還是國外的文獻(xiàn)，理論和實(shí)證的重點(diǎn)往往局限于單一市場(chǎng)，很少涉及跨市場(chǎng)的研究。由于市場(chǎng)之間的關(guān)聯(lián)日益密切，在某一市場(chǎng)上改變交易機(jī)制，會(huì)使得其他市場(chǎng)內(nèi)投資者行為發(fā)生相應(yīng)改變，導(dǎo)致監(jiān)管限制的效果從單一市場(chǎng)溢出到其他相關(guān)市場(chǎng)，使得其他相關(guān)市場(chǎng)的動(dòng)力學(xué)特征發(fā)生改變。此次股指期貨的交易限制為我們研究監(jiān)管限制的跨市場(chǎng)溢出效應(yīng)提供了契機(jī)。

在2015年年中大盤指數(shù)斷崖式下跌期間，中國金融期貨交易所為抑制股指期貨過度投機(jī)，短時(shí)間內(nèi)連續(xù)三次(8月25日、8月28日和9月2日)宣布對(duì)股指期貨交易保證金、日內(nèi)開倉手?jǐn)?shù)和日內(nèi)平倉手續(xù)費(fèi)進(jìn)行調(diào)整。從以往市場(chǎng)異常波動(dòng)期間監(jiān)管層的應(yīng)對(duì)措施不難看出，監(jiān)管層更傾向于采用諸如限制交易、限制做空、提高交易成本等“圍堵”的方式對(duì)投資者的投資行為進(jìn)行引導(dǎo)。然而，隨著我國證券市場(chǎng)中金融衍生產(chǎn)品的增多，各市場(chǎng)之間的聯(lián)系愈發(fā)緊密，對(duì)單一市場(chǎng)的局部“圍堵”反而更容易引發(fā)連鎖反映或系統(tǒng)性風(fēng)險(xiǎn)。

股指期貨推出以來，期限市場(chǎng)的聯(lián)動(dòng)關(guān)系日益緊密，在訂單流動(dòng)性層面表現(xiàn)出“遛狗效應(yīng)”[20]，減小了現(xiàn)貨市場(chǎng)波動(dòng)、初步發(fā)揮了股票市場(chǎng)穩(wěn)定器的功能[21]。然而，此次現(xiàn)貨市場(chǎng)異常波動(dòng)期間對(duì)股指期貨的交易限制卻有可能進(jìn)一步縮小現(xiàn)貨市場(chǎng)流動(dòng)性、增大現(xiàn)貨市場(chǎng)拋售壓力、形成正反饋效應(yīng)，從而加劇期貨與現(xiàn)貨市場(chǎng)的異常波動(dòng)。本文基于這個(gè)觀點(diǎn)，對(duì)股指期貨監(jiān)管限制的溢出效應(yīng)進(jìn)行了邏輯推演：股指期貨交易限制使得股指期貨各合約流動(dòng)性顯著萎縮、期現(xiàn)基差增大，割裂了股指期貨與現(xiàn)貨的聯(lián)系。其次，由于股指期貨較高的門檻限制，股指期貨市場(chǎng)的參與者大多是機(jī)構(gòu)套保、套利和投機(jī)交易者，散戶投資者較少參與，使得本可以運(yùn)用股指期貨管理現(xiàn)貨風(fēng)險(xiǎn)的機(jī)構(gòu)投資者轉(zhuǎn)而在市場(chǎng)下行期間在現(xiàn)貨市場(chǎng)拋售現(xiàn)貨頭寸，引發(fā)現(xiàn)貨市場(chǎng)出現(xiàn)正反饋效應(yīng)，導(dǎo)致指數(shù)價(jià)格進(jìn)一步下探形成極端下跌事件。

為了實(shí)證檢驗(yàn)股指期貨交易限制對(duì)現(xiàn)貨指數(shù)市場(chǎng)的溢出效應(yīng)，本文考察了交易限制前后期現(xiàn)市場(chǎng)的領(lǐng)先滯后關(guān)系和現(xiàn)貨指數(shù)市場(chǎng)的大額成交賣單與收益率的正反饋效應(yīng)。本文發(fā)現(xiàn)，交易限制前股指期貨對(duì)現(xiàn)貨的價(jià)格引領(lǐng)關(guān)系在交易限制后消失，說明交易限制割裂了期現(xiàn)市場(chǎng)的聯(lián)系。其次，代表機(jī)構(gòu)投資者的大額成交賣單與收益率在交易限制之后出現(xiàn)了顯著的正反饋效應(yīng)，進(jìn)一步證實(shí)了溢出效應(yīng)的存在。

本文的創(chuàng)新之處在于：1)運(yùn)用高頻數(shù)據(jù)，研究了期貨和現(xiàn)貨市場(chǎng)日內(nèi)下跌行情中的正反饋效應(yīng)(極端下跌事件自我實(shí)現(xiàn))的情況。2)提出了正反饋效應(yīng)成因的新思路，認(rèn)為交易機(jī)制改變影響投資者行為，進(jìn)而產(chǎn)生正反饋效應(yīng)。3)提出了市場(chǎng)中監(jiān)管限制會(huì)傳導(dǎo)溢出到其他相關(guān)市場(chǎng)，并對(duì)這一現(xiàn)象的機(jī)理與邏輯進(jìn)行了實(shí)證檢驗(yàn)。

本文的研究對(duì)于監(jiān)管部門有兩個(gè)政策啟示：1)隨著目前金融市場(chǎng)之間的聯(lián)系日益緊密，監(jiān)管需要有系統(tǒng)性的思維，不能只著眼于局部市場(chǎng)，甚至被輿論綁架。2)金融創(chuàng)新導(dǎo)致市場(chǎng)具有路徑依賴，并引入了更多正反饋特征的交易機(jī)制，而與此同時(shí)，監(jiān)管措施卻沒有及時(shí)適應(yīng)系統(tǒng)的變化，做出有利于系統(tǒng)穩(wěn)定的調(diào)整，反而在有些時(shí)候反其道而行之，因而進(jìn)一步加劇了金融系統(tǒng)的不穩(wěn)定性。面對(duì)當(dāng)前金融系統(tǒng)的變化，監(jiān)管層應(yīng)該更多著眼于阻斷正反饋效應(yīng)。從這兩個(gè)角度來說，“疏浚”的監(jiān)管方式或許比“圍堵”的監(jiān)管限制更有效。

2 研究設(shè)計(jì)

2.1極端下跌事件的定義

對(duì)于極端下跌事件，簡(jiǎn)單而且實(shí)用的方法是根據(jù)指數(shù)出現(xiàn)巨幅下跌來定義。本文對(duì)滬深300現(xiàn)貨指數(shù)2015年全年的分鐘收益率進(jìn)行10分鐘和30分鐘的滾動(dòng)計(jì)算，并選取全年收益率的百分之一分位點(diǎn)作為極端下跌事件的閾值。因此，本文選取10分鐘內(nèi)累積收益小于-1.3%(約為1%分位點(diǎn))和30分鐘內(nèi)累計(jì)收益小于-2.5%(約為1%分位點(diǎn))的事件作為本文研究的極端下跌事件。在2015年內(nèi)共提取23個(gè)事件作為樣本。其中股指期貨交易限制前16個(gè)事件，股指期貨交易限制后7個(gè)事件。本文主要研究收益率持續(xù)下跌直到極端下跌事件發(fā)生這一動(dòng)態(tài)過程，為了便于描述，在本文中我們把當(dāng)天極端下跌事件發(fā)生前10分鐘(60個(gè)10秒數(shù)據(jù))稱為極端下跌行情期間。

另外，為了研究極端下跌事件的正反饋效應(yīng)，我們排除了隔夜信息(上一日下午15：00至當(dāng)日上午9：15)與午間信息(當(dāng)日中午11：30至13：00)對(duì)滬深300現(xiàn)貨指數(shù)基本面的沖擊，僅考慮日內(nèi)收益率的變化情況，即剔除了每日9：40分前和13：10分前的滾動(dòng)收益率。

本文滬深300指數(shù)成份股日內(nèi)高頻分筆數(shù)據(jù)來源于港澳金融數(shù)據(jù)庫，滬深300股指期貨500毫秒分時(shí)數(shù)據(jù)來源于Wind數(shù)據(jù)庫。

2.2日內(nèi)10秒正反饋效應(yīng)指標(biāo)構(gòu)建

現(xiàn)貨指數(shù)方面，借鑒Hasbrouck[22]采用正反饋交易度量流動(dòng)性黑洞的做法，本文把成交量細(xì)分為賣方驅(qū)動(dòng)和買方驅(qū)動(dòng)的，構(gòu)建滬深300現(xiàn)貨指數(shù)10秒賣單成交量、買單成交量指標(biāo)。由于股指期貨分時(shí)數(shù)據(jù)無法區(qū)分下單類型(多開、空開、多平、空平等等)，在股指期貨上我們?nèi)コ速I單成交量、賣單成交量指標(biāo)，僅討論成交量與價(jià)格的正反饋效應(yīng)。

一般情況下，股價(jià)上漲引發(fā)更多的主動(dòng)買入，而當(dāng)股票收益下降時(shí)賣方指令增加。因此，本文把每支股票分筆成交量數(shù)據(jù)進(jìn)行細(xì)分，分為買單成交量和賣單成交量。若某一筆交易成交價(jià)格等于或低于前期最佳買價(jià)和最佳賣價(jià)的中間價(jià)，則認(rèn)為該筆交易是賣方發(fā)起的，反之亦然。

其次，股指期貨市場(chǎng)的參與者大多是機(jī)構(gòu)套保、套利和投機(jī)交易者，散戶投資者較少參與。為了研究股指期貨交易限制對(duì)現(xiàn)貨市場(chǎng)的溢出效應(yīng)，本文對(duì)買賣單成交量做進(jìn)一步細(xì)分，構(gòu)建了滬深300現(xiàn)貨指數(shù)大額賣單、小額賣單指標(biāo)，來代表機(jī)構(gòu)投資者的投資行為。

股票大單與小單主要是指股票的數(shù)量，但大單與小單之間并沒有嚴(yán)格的區(qū)分標(biāo)準(zhǔn)。一般來講，超過500手(50000股)的買單和賣單被認(rèn)為是大單，低于100手被認(rèn)為是小單。但由于每只股票總流通股份和股票價(jià)格大相徑庭，使用統(tǒng)一的數(shù)量標(biāo)準(zhǔn)區(qū)分大單和小單顯然不太合理。本文根據(jù)每支股票自身采用相對(duì)區(qū)分法，即當(dāng)天所有賣單成交中，每筆成交量大于50%分位點(diǎn)、75%分位點(diǎn)和90%分為點(diǎn)的成交單作為大額成交賣單，而小于等于50%分位點(diǎn)、75%分位點(diǎn)和90%分位點(diǎn)的成交單統(tǒng)稱為小額成交賣單。

我們運(yùn)用高頻分筆數(shù)據(jù)，構(gòu)建日內(nèi)10秒正反饋效應(yīng)指標(biāo)。首先，我們對(duì)滬深300指數(shù)成份股逐筆數(shù)據(jù)計(jì)算其成交量、賣單成交量、買單成交量、大額賣單和小額賣單指標(biāo)，并以10秒為時(shí)間窗口，計(jì)算10秒內(nèi)個(gè)股累積成交量、賣單成交量、買單成交量、大額賣單和小額賣單。其次，根據(jù)滬深300成份股權(quán)重?cái)?shù)據(jù)，仿照滬深300指數(shù)的構(gòu)建，對(duì)所有成分股指標(biāo)進(jìn)行加權(quán)處理，得到日內(nèi)10秒指數(shù)成交量、賣單成交量、買單成交量、大額賣單和小額賣單指標(biāo)。滬深300股指期貨合約采用IF當(dāng)月合約500毫秒的分時(shí)數(shù)據(jù)，指標(biāo)計(jì)算方式類似指數(shù)個(gè)股。

2.3模型選擇

Hasbrouck[22]以及Cohen和Shin[4]的研究證實(shí)了以往文獻(xiàn)關(guān)于指令流影響股票收益率的觀點(diǎn)，即主動(dòng)買單提高股票價(jià)格而主動(dòng)賣單降低股票價(jià)格。同時(shí)，運(yùn)用VAR模型得出股票收益率反過來也會(huì)影響指令流，并形成正反饋效應(yīng)的觀點(diǎn)。我們參照Cohen和Shin[4]的方法，采用VAR模型研究滬深300指數(shù)收益率(滬深300股指期貨收益率)與成交量的正反饋效應(yīng)。我們對(duì)2015年15個(gè)日內(nèi)極端下跌行情期間的收益率序列和流動(dòng)性指標(biāo)進(jìn)行二元VAR建模，模型如下：

其中Retit為第i個(gè)事件中滬深300指數(shù)(滬深300股指期貨)10秒收益率時(shí)間序列，Controlit為第i個(gè)事件中的正反饋效應(yīng)指標(biāo)。

其次，為了研究交易限制前后期現(xiàn)市場(chǎng)的領(lǐng)先滯后關(guān)系，我們同樣采用VAR模型對(duì)現(xiàn)貨指數(shù)收益率與股指期貨收益率進(jìn)行建模，模型如下：

其中Ret_XHit為第i個(gè)事件中滬深300指數(shù)10秒收益率時(shí)間序列，Ret_QHit為第i個(gè)事件中滬深300股指期貨10秒收益率時(shí)間序列。

本文對(duì)所有VAR模型運(yùn)用AIC準(zhǔn)則對(duì)滯后階數(shù)進(jìn)行確定，發(fā)現(xiàn)2階模型能夠較好的擬合絕大部分模型。然后對(duì)所有VAR模型進(jìn)行了平穩(wěn)性檢驗(yàn)，即判斷模型的特征根是否在單位圓外，并剔除了不符合平穩(wěn)性條件的模型。

在實(shí)際分析VAR模型時(shí)，往往分析當(dāng)一個(gè)誤差項(xiàng)發(fā)生變化，或者說模型受到某種沖擊時(shí)對(duì)系統(tǒng)的動(dòng)態(tài)影響，即脈沖響應(yīng)函數(shù)法。本文隨后運(yùn)用脈沖響應(yīng)函數(shù)分析了模型受到?jīng)_擊后對(duì)變量產(chǎn)生的累積影響。并且，本文發(fā)現(xiàn)極端下跌行情期間的流動(dòng)性變化往往是在極端下跌收益率達(dá)到極值的幾分鐘內(nèi)發(fā)生的，我們把極端下跌行情的10分鐘劃分為前后各5分鐘(各30個(gè)觀測(cè)值)來反映短時(shí)間內(nèi)的正反饋效應(yīng)。

3 實(shí)證結(jié)果

3.1股指期貨交易限制前后正反饋效應(yīng)指標(biāo)描述性統(tǒng)計(jì)

市場(chǎng)成交量的變化反映了資金進(jìn)出市場(chǎng)的情況，是判斷市場(chǎng)走勢(shì)的重要指標(biāo)，也是評(píng)判市場(chǎng)整體流動(dòng)性水平的一個(gè)簡(jiǎn)單而有效的指標(biāo)。表1反映了滬深300指數(shù)和股指期貨當(dāng)月合約的成交量描述性統(tǒng)計(jì)?？梢钥吹剑灰紫拗浦鬁?00成交量均值為172億，較交易限制前的350億下跌了約50%。而股指期貨成交量從限制之前的137萬驟減到2.9萬，下跌幅度達(dá)到了98%。另外，在交易限制之后期現(xiàn)市場(chǎng)出現(xiàn)了更多的極端情況，滬深300指數(shù)成交量峰值從2.71增長(zhǎng)到了5.14，而股指期貨成交量峰值更是從3.69增長(zhǎng)到了38.38，為交易限制前的10倍。

表1 股指期貨交易限制前后，滬深300指數(shù)、IF當(dāng)月合約成交量描述性統(tǒng)計(jì)

自從股指期貨的交易限制措施實(shí)施開始，IF合約成交量呈斷崖式下跌，說明股指期貨交易限制對(duì)股指期貨市場(chǎng)具有直接沖擊，導(dǎo)致股指期貨市場(chǎng)流動(dòng)性嚴(yán)重萎縮，投資者面臨極大的流動(dòng)性風(fēng)險(xiǎn)，很難發(fā)揮股指期貨為現(xiàn)貨市場(chǎng)分擔(dān)壓力和套保對(duì)沖的功能。

另外我們發(fā)現(xiàn)(圖1)，盡管交易限制極大抑制了每日的股指期貨成交量(總量減小)，但在交易限制之后期指成交量在極端下跌行情前出現(xiàn)了指數(shù)級(jí)增長(zhǎng)(增長(zhǎng)幅度加大)，在極端下跌事件發(fā)生前2分鐘左右達(dá)到峰值，短時(shí)間內(nèi)增長(zhǎng)幅度超過240%。相比之下，交易限制前期指成交量反復(fù)震蕩，振幅在85%左右。

現(xiàn)貨指數(shù)市場(chǎng)上我們也發(fā)現(xiàn)了類似的動(dòng)力學(xué)特征(圖2)，即交易限制后成交量維持在較低水平，但在極端下跌行情中成交量驟增。交易限制前成交量在極端下跌發(fā)生前8分鐘時(shí)間段內(nèi)并沒有明顯變化，而在極端事件發(fā)生前2分鐘內(nèi)逐漸上升，相比10分鐘前攀升近45%。而限制措施后成交量在前9分鐘時(shí)間段內(nèi)呈指數(shù)級(jí)增長(zhǎng)，相比10分鐘前攀升近180%。由此可見，限制措施實(shí)施后現(xiàn)貨指數(shù)成交量在極端下跌發(fā)生前表現(xiàn)出了更為明顯的指數(shù)級(jí)累積、尖峰現(xiàn)象。

我們進(jìn)一步把成交量數(shù)據(jù)分為買方驅(qū)動(dòng)和賣方驅(qū)動(dòng)兩類。從圖3中可以看到，在交易限制前，現(xiàn)貨指數(shù)的買單成交量基本維持在14至20萬股的區(qū)間內(nèi)呈U型分布，買單成交量在極端下跌事件后逐漸走高，峰值出現(xiàn)在極端下跌事件發(fā)生后1分鐘左右。而賣單成交量在極端下跌期間，特別是在極端事件發(fā)生前3分鐘時(shí)間內(nèi)上升明顯，在極端事件發(fā)生時(shí)達(dá)到峰值并在事件發(fā)生后3分鐘內(nèi)迅速下降。在極端下跌期間賣單成交量大約增長(zhǎng)了63%。在交易限制之后，現(xiàn)貨指數(shù)的買單成交量和賣單成交量都出現(xiàn)了指數(shù)級(jí)上升、尖峰、指數(shù)級(jí)下降的現(xiàn)象。相比于極端事件發(fā)生前10分鐘，極端事件發(fā)生時(shí)買單成交量和賣單成交量分別增長(zhǎng)約133%和167%。

從買賣平衡(某一時(shí)間段內(nèi)賣單成交量占總成交量的比值)的時(shí)間序列圖(圖4)中我們可以更直觀的發(fā)現(xiàn)，在股指期貨交易限制前并沒有出現(xiàn)買賣不平衡現(xiàn)象，即買方成交量和賣方成交量基本維持在1∶1附近，而在極端下跌事件發(fā)生后買賣力量向買方傾斜。但是，在股指期貨交易限制之后，從極端下跌事件發(fā)生前10分鐘開始，買賣不平衡逐漸增大，買賣力量向賣方傾斜，直到極端下跌事件發(fā)生前3分鐘左右達(dá)到峰值64%。

圖1 滬深300股指期貨當(dāng)月合約，交易限制前極端下跌行情平均成交量(圖左)；交易限制后極端下跌行情平均成交量(圖右)

圖3 滬深300現(xiàn)貨指數(shù)，交易限制前極端下跌行情平均買單成交量(圖左上)、賣單成交量(圖左下)；交易限制后極端下跌行情平均買單成交量(圖右上)、賣單成交量(圖右下)

因此，在股指期貨交易限制之后，雖然現(xiàn)貨指數(shù)日均成交量顯著下降，但在日內(nèi)極端下跌行情期間卻出現(xiàn)了買賣力量不平衡的集中爆發(fā)，反過來更易形成現(xiàn)貨市場(chǎng)的日內(nèi)極端下跌事件。

圖4 滬深300現(xiàn)貨指數(shù)交易限制前后極端下跌行情買賣平衡(實(shí)線為交易限制后，虛線為交易限制前)

3.2滬深300現(xiàn)貨指數(shù)、股指期貨當(dāng)月合約正反饋效應(yīng)

參照Hasbrouck[22]的方法，采用VAR模型研究滬深300指數(shù)(滬深300股指期貨收益率)的正反饋效應(yīng)。

其中Retit為第i個(gè)事件中滬深300指數(shù)(滬深300股指期貨)10秒收益率時(shí)間序列，Controlit為第i個(gè)事件中的成交量(Volume)指標(biāo)，以及現(xiàn)貨市場(chǎng)賣單成交量(VS)。

表2 滬深300股指期貨，交易限制前后極端下跌行情收益率與成交量VAR模型

表3 滬深300現(xiàn)貨指數(shù)，交易限制前后極端下跌行情收益率與成交量VAR模型

表4 滬深300現(xiàn)貨指數(shù)，交易限制前后極端下跌行情收益率與賣單成交量VAR模型

從以上VAR模型結(jié)果可以看到，在極端下跌行情中股指期貨市場(chǎng)的正反饋效應(yīng)并不明顯，盡管交易限制之后在極端下跌行情中股指期貨成交量呈指數(shù)級(jí)增長(zhǎng)，但交易限制對(duì)股指期貨活躍度和流動(dòng)性的影響抑制了股指期貨上收益率與成交量的正反饋現(xiàn)象。但是在股指期貨限制措施出臺(tái)后的市場(chǎng)整體流動(dòng)性較差時(shí)間段內(nèi)，現(xiàn)貨市場(chǎng)出現(xiàn)了較為顯著的收益率與成交量的正反饋效應(yīng)，并且這一效應(yīng)在區(qū)分了買方驅(qū)動(dòng)還是賣方驅(qū)動(dòng)的成交量后依然顯著，即指數(shù)下跌引發(fā)了更多的成份股賣單，而賣單又導(dǎo)致指數(shù)進(jìn)一步下跌。

為了便于分析VAR系統(tǒng)中變量短時(shí)間內(nèi)擾動(dòng)對(duì)各個(gè)變量之間的動(dòng)態(tài)影響，且便于分析VAR模型得到的檢驗(yàn)結(jié)果的經(jīng)濟(jì)含義，我們把極端下跌行情的10分鐘區(qū)間進(jìn)一步劃分為前5分鐘和后5分鐘，然后用VAR模型和脈沖響應(yīng)函數(shù)研究某一變量一個(gè)標(biāo)準(zhǔn)差擾動(dòng)對(duì)其他變量的長(zhǎng)期動(dòng)態(tài)影響。

3.3滬深300現(xiàn)貨指數(shù)、股指期貨極端下跌行情分段VAR及脈沖響應(yīng)函數(shù)

表5 滬深300股指期貨，交易限制前極端下跌行情收益率與成交量分段VAR模型

表6 滬深300股指期貨，交易限制后極端下跌行情收益率與成交量分段VAR模型

圖5 滬深300股指期貨，極端下跌行情收益率對(duì)成交量的脈沖響應(yīng)累計(jì)函數(shù)(上半部分)以及成交量對(duì)收益率的脈沖響應(yīng)累計(jì)函數(shù)(下半部分)，從左至右依次為交易限制前事件前10至5分鐘、交易限制前事件前5分鐘至發(fā)生、交易限制后事件前10至5分鐘、交易限制后事件前5分鐘至發(fā)生。圖中虛線部分為歷次事件的累計(jì)函數(shù)，實(shí)線為歷次事件平均累計(jì)函數(shù)

圖5上半部分為股指期貨收益率對(duì)成交量一個(gè)正沖擊的脈沖響應(yīng)累計(jì)函數(shù)。圖中虛線部分為歷次事件的累計(jì)函數(shù)，實(shí)線為歷次事件平均累計(jì)函數(shù)。我們發(fā)現(xiàn)，無論交易限制之前還是之后，收益率對(duì)成交量的沖擊平均來看以負(fù)數(shù)居多(圖5a-5d)，并且在第3期達(dá)到最低點(diǎn)，其后逐步穩(wěn)定。說明在極端下跌行情中，隨著收益率的持續(xù)走低成交量水平逐漸增大，并且該影響具有較長(zhǎng)的持續(xù)效應(yīng)。從不同時(shí)間段的比較來看，交易限制前，在極端下跌事件前5分鐘至發(fā)生時(shí)間段內(nèi)收益率對(duì)成交量的沖擊較大(圖5b)；而在交易限制之后，沖擊較大時(shí)間段被提前到了極端下跌事件前10至前5分鐘時(shí)間段內(nèi)(圖5c)。說明在交易限制之后，股指期貨市場(chǎng)投資者為了應(yīng)對(duì)預(yù)期的進(jìn)一步下跌，趨向于提前做出行動(dòng)，使得在極端下跌情況發(fā)生時(shí)流動(dòng)性供給與需求所受到的沖擊較小，分散了流動(dòng)性萎縮所產(chǎn)生的壓力。

從脈沖響應(yīng)函數(shù)圖(圖6)中我們也可以得出相同結(jié)論。交易限制之后，收益率對(duì)成交量的沖擊(圖6c、6d)與成交量對(duì)收益率的沖擊(圖6g、6h)以負(fù)數(shù)居多，并且其強(qiáng)度在臨近極端下跌事件發(fā)生時(shí)得到了增強(qiáng)。

表7 滬深300指數(shù)，交易限制前極端下跌行情收益率與成交量分段VAR模型

表8 滬深300指數(shù)，交易限制后極端下跌行情收益率與成交量分段VAR模型

圖6 滬深300指數(shù)，極端下跌行情收益率對(duì)成交量的脈沖響應(yīng)函數(shù)(上半部分)以及成交量對(duì)收益率的脈沖響應(yīng)函數(shù)(下半部分)

脈沖響應(yīng)函數(shù)圖(圖7)也支持以上觀點(diǎn)，收益率對(duì)賣單成交量的沖擊(圖7c)以及賣單成交量對(duì)收益率的沖擊(圖7g)在交易限制之后的前10至前5分鐘時(shí)間段內(nèi)在第2期達(dá)到最低點(diǎn)，其后逐步穩(wěn)定。而在臨近極端下跌事件的時(shí)間段內(nèi)沖擊持續(xù)增強(qiáng)(圖7d、圖7h)，到了第10期仍未達(dá)到穩(wěn)定。說明在交易限制之后，股票現(xiàn)貨投資者反映出了很強(qiáng)烈的收益率與賣單成交量的正反饋效應(yīng)，并且這一現(xiàn)象隨著收益率的不斷下跌持續(xù)增強(qiáng)，流動(dòng)性枯竭和投資者恐慌心理集中爆發(fā)，導(dǎo)致極端情況的自我實(shí)現(xiàn)。

因此，從分段的VAR模型及其脈沖響應(yīng)函數(shù)中可以看到，在股指期貨市場(chǎng)上交易限制使得投資者更傾向于在預(yù)期下跌時(shí)盡快調(diào)整頭寸。而在指數(shù)現(xiàn)貨市場(chǎng)上，在股指期貨交易限制之后發(fā)生了與Hasbrouck[22]以及Cohen和Shin[4]研究結(jié)果一致的顯著的正反饋現(xiàn)象，并且其強(qiáng)度隨著指數(shù)的下跌而增強(qiáng)，是造成9月3日之后極端下跌事件的主要原因。

然而，上文的分析僅體現(xiàn)出了指數(shù)現(xiàn)貨市場(chǎng)上在股指期貨交易限制之后的極端下跌行情中出現(xiàn)的正反饋現(xiàn)象，但并沒有說明股指期貨的交易限制是如何傳導(dǎo)并影響現(xiàn)貨市場(chǎng)導(dǎo)致現(xiàn)貨市場(chǎng)出現(xiàn)正反饋效應(yīng)的。在下一節(jié)中我們將通過實(shí)證，對(duì)這一機(jī)理進(jìn)行闡述并做出經(jīng)濟(jì)學(xué)的可行解釋。

表9 滬深300指數(shù)，交易限制前極端下跌行情收益率與賣單成交量分段VAR模型

表10 滬深300指數(shù)，交易限制后極端下跌行情收益率與賣單成交量分段VAR模型

圖7 滬深300指數(shù)，極端下跌行情收益率對(duì)賣單成交量的脈沖響應(yīng)函數(shù)(上半部分)以及賣單成交量對(duì)收益率的脈沖響應(yīng)函數(shù)(下半部分)

3.4股指期貨交易限制溢出效應(yīng)分析

隨著我國股指期貨市場(chǎng)的日益成熟，股指期貨市場(chǎng)投資者運(yùn)用股指期貨管理對(duì)沖現(xiàn)貨風(fēng)險(xiǎn)。特別是在市場(chǎng)異常下跌期間，考慮到現(xiàn)貨賣出成本等因素投資者更樂意在股指期貨市場(chǎng)上做對(duì)沖。由于股指期貨較高的門檻限制，股指期貨市場(chǎng)的參與者大多是機(jī)構(gòu)套保、套利和投機(jī)交易者，散戶投資者較少參與。然而，由于股指期貨的交易限制割裂了期現(xiàn)之間的聯(lián)系，使得機(jī)構(gòu)投資者無法在股指期貨市場(chǎng)上完全對(duì)沖其現(xiàn)貨風(fēng)險(xiǎn)暴露頭寸或?qū)_成本較高，并且由于股票現(xiàn)貨市場(chǎng)上歷來缺乏有效的做空工具，機(jī)構(gòu)投資者只有在現(xiàn)貨市場(chǎng)上大量拋售其持有的現(xiàn)貨頭寸，導(dǎo)致了現(xiàn)貨市場(chǎng)上由于缺乏了類似股指期貨這樣的對(duì)沖工具而產(chǎn)生的極端下跌行情期間的正反饋效應(yīng)。這就使得股指期貨上的監(jiān)管限制溢出到了現(xiàn)貨市場(chǎng)，并對(duì)現(xiàn)貨市場(chǎng)造成影響。

因此，為了研究股指期貨交易限制的溢出效應(yīng)，我們做出如下假設(shè)：

1)交易限制之后，極端下跌行情期間股指期貨與現(xiàn)貨市場(chǎng)的領(lǐng)先滯后關(guān)系被消除

2)交易限制之后，極端下跌行情期間現(xiàn)貨市場(chǎng)上代表機(jī)構(gòu)投資者的大額賣單增多并且出現(xiàn)正反饋效應(yīng)。

首先，采用VAR模型同樣可以研究滬深300現(xiàn)貨與股指期貨之間的領(lǐng)先滯后關(guān)系，模型如下：

這說明，股指期貨交易限制前現(xiàn)貨指數(shù)收益率大多數(shù)情況下是股指期貨收益率的領(lǐng)先指標(biāo)，并且是正相關(guān)關(guān)系，與以往研究表明股指期貨市場(chǎng)對(duì)現(xiàn)貨指數(shù)市場(chǎng)有領(lǐng)先關(guān)系、股指期貨具有價(jià)格發(fā)現(xiàn)功能的結(jié)論相一致。另一方面，交易限制切斷了這一聯(lián)系，VAR模型系數(shù)的顯著個(gè)數(shù)驟降，說明期現(xiàn)市場(chǎng)的聯(lián)動(dòng)關(guān)系被打破，現(xiàn)貨指數(shù)收益率對(duì)股指期貨收益率的領(lǐng)先關(guān)系消失。

表11 滬深300指數(shù)，交易限制前后極端下跌行情現(xiàn)貨和期貨收益率VAR模型

其次，從交易限制之后，極端下跌行情期間現(xiàn)貨指數(shù)大額賣單、小額賣單(以75%分位點(diǎn)為例)的變化情況(圖8)也可以發(fā)現(xiàn)，盡管在臨近極端下跌事件發(fā)生的幾分鐘時(shí)間內(nèi)，小額賣單都有所下降，但交易限制之后的大額賣單在極端下跌行情期間呈現(xiàn)指數(shù)級(jí)增長(zhǎng)，相比開始時(shí)增長(zhǎng)近3倍，而交易限制前大額賣單僅在極端下跌事件發(fā)生前小幅攀升近40%。反映出在這段時(shí)間內(nèi)具有資金實(shí)力的投資者大量拋售其持有的股票現(xiàn)貨，并且隨指數(shù)的下降拋售幅度增強(qiáng)。

圖8 滬深300現(xiàn)貨指數(shù)，交易限制前極端下跌行情平均大額賣單(圖左上)、小額賣單(圖左下)；交易限制后極端下跌行情平均大額賣單(圖右上)、小額賣單(圖右下)

表12 滬深300現(xiàn)貨指數(shù)，交易限制前后極端下跌行情收益率與相對(duì)區(qū)分法的大額賣單VAR模型

表13 滬深300指數(shù)，交易限制前后極端下跌行情收益率與絕對(duì)區(qū)分法的大額賣單VAR模型

隨后，我們用絕對(duì)區(qū)分法(超過500手的賣單為大額賣單)作為穩(wěn)健性檢驗(yàn)。我們發(fā)現(xiàn)，與運(yùn)用90%分位點(diǎn)相類似的是，在用絕對(duì)區(qū)分法的方程中平穩(wěn)方程的個(gè)數(shù)有所降低，其原因在于我們選取的閾值偏高，導(dǎo)致截取的數(shù)據(jù)較少。然而，運(yùn)用絕對(duì)區(qū)分法作為魯棒性檢驗(yàn)的結(jié)果同樣支持在交易限制后的極端下跌行情中大額賣單和收益率的正反饋效應(yīng)增強(qiáng)的結(jié)論。

總的來講，我們發(fā)現(xiàn)在股指期貨市場(chǎng)上的交易限制出臺(tái)后，極端下跌行情期間現(xiàn)貨與期貨的聯(lián)系被割裂，并且出現(xiàn)了指數(shù)成份股大額賣單與收益率的正反饋效應(yīng)。間接反映出了由于股指期貨市場(chǎng)無法發(fā)揮風(fēng)險(xiǎn)對(duì)沖的功能，而在現(xiàn)貨市場(chǎng)缺乏有效做空工具的條件下，機(jī)構(gòu)投資者傾向于在指數(shù)下跌行情期間拋售持有的現(xiàn)貨頭寸，而這一拋售行為又反過來造成了指數(shù)進(jìn)一步下跌，形成極端下跌事件。因此，可以認(rèn)為股指期貨交易限制的影響溢出到了現(xiàn)貨市場(chǎng)，造成了現(xiàn)貨市場(chǎng)的不穩(wěn)定。

4 結(jié)語

本文基于滬深300指數(shù)成份股和滬深300股指期貨日內(nèi)高頻數(shù)據(jù)，研究了2015年23次日內(nèi)極端下跌行情期間的正反饋效應(yīng)，提出正反饋現(xiàn)象導(dǎo)致極端下跌事件自我實(shí)現(xiàn)的成因的新思路，即監(jiān)管限制導(dǎo)致的交易機(jī)制的改變影響投資者行為，繼而引發(fā)極端行情的自我實(shí)現(xiàn)。并且，由于市場(chǎng)之間聯(lián)動(dòng)關(guān)系的改變，對(duì)股指期貨市場(chǎng)的交易限制措施會(huì)對(duì)滬深300現(xiàn)貨市場(chǎng)產(chǎn)生沖擊，形成溢出效應(yīng)。

本文的研究表明，股指期貨交易限制對(duì)股指期貨市場(chǎng)具有直接沖擊，導(dǎo)致股指期貨市場(chǎng)流動(dòng)性嚴(yán)重萎縮?，F(xiàn)貨市場(chǎng)方面，盡管交易限制后現(xiàn)貨市場(chǎng)成交量(總量)有所下降，但交易限制后極端下跌行情期間成交量(增長(zhǎng)率)快速增長(zhǎng)并且出現(xiàn)了買賣不平衡現(xiàn)象。另外，在極端下跌行情中股指期貨市場(chǎng)的正反饋效應(yīng)并不明顯。但是在股指期貨限制措施出臺(tái)后，現(xiàn)貨市場(chǎng)出現(xiàn)了較為顯著的收益率與成交量的正反饋效應(yīng)，并且這一效應(yīng)在區(qū)分了買方驅(qū)動(dòng)還是賣方驅(qū)動(dòng)的成交量后依然顯著，即指數(shù)下跌引發(fā)了更多的成份股賣單，而賣單又導(dǎo)致指數(shù)進(jìn)一步下跌。

進(jìn)一步，我們對(duì)股指期貨的交易限制傳導(dǎo)并影響現(xiàn)貨市場(chǎng)，導(dǎo)致現(xiàn)貨市場(chǎng)出現(xiàn)正反饋效應(yīng)的機(jī)理進(jìn)行了闡述。通過實(shí)證，本文發(fā)現(xiàn)交易限制之后，極端下跌行情期間股指期貨與現(xiàn)貨市場(chǎng)的領(lǐng)先滯后關(guān)系被消除、現(xiàn)貨市場(chǎng)上大額賣單增多并且出現(xiàn)正反饋效應(yīng)。間接反映出了由于股指期貨市場(chǎng)無法發(fā)揮風(fēng)險(xiǎn)對(duì)沖的功能，而在現(xiàn)貨市場(chǎng)缺乏有效做空工具的條件下，機(jī)構(gòu)投資者傾向于在指數(shù)下跌行情期間拋售持有的現(xiàn)貨頭寸，而這一拋售行為又反過來造成了指數(shù)進(jìn)一步下跌，形成極端下跌事件。

隨著我國證券市場(chǎng)中股指期貨、杠桿交易等金融創(chuàng)新產(chǎn)品和制度的推出，各市場(chǎng)之間的聯(lián)系愈發(fā)緊密，不恰當(dāng)?shù)闹贫劝才藕捅O(jiān)管措施比以往更容易阻礙市場(chǎng)正常功能的實(shí)現(xiàn)、加大市場(chǎng)波動(dòng)和系統(tǒng)性風(fēng)險(xiǎn)。因此，監(jiān)管需要有系統(tǒng)性的思維，不能只著眼于局部市場(chǎng)，甚至被輿論綁架。另外，金融創(chuàng)新導(dǎo)致市場(chǎng)具有路徑依賴，并引入了更多正反饋特征的交易機(jī)制，而與此同時(shí)，監(jiān)管措施卻沒有及時(shí)適應(yīng)系統(tǒng)的變化，做出有利于系統(tǒng)穩(wěn)定的調(diào)整，反而在有些時(shí)候反其道而行之，因而進(jìn)一步加劇了金融系統(tǒng)的不穩(wěn)定性。面對(duì)當(dāng)前金融系統(tǒng)的變化，監(jiān)管層應(yīng)該更多著眼于阻斷正反饋效應(yīng)。從這兩個(gè)角度來說，“疏?！钡谋O(jiān)管方式或許比“圍堵”的監(jiān)管限制更有效。

[1] Amihud Y,Mendelson H.Liquidity and the 1987 stock market crash[J].Journal of Portfolio Management,1990,16(3): 65-69.

[2] Grossman S J,Miller M H.Liquidity and market structure[J].Journal of Finance,1988,43(3): 617-633.

[3] Tambakis D N.Feedback trading and intermittent market turbulence[J].Quantitative Finance,2008,9(4): 477-489.

[4] Cohen B H,Shin H S.Positive feedback trading under stress: Evidence from the US treasury securities market[R].Working Paper,Bank for International Settelments,2002.

[5] 李紅權(quán)，汪壽陽，馬超群.股價(jià)波動(dòng)的本質(zhì)特征是什么？——基于非線性動(dòng)力學(xué)分析視角的研究[J].中國管理科學(xué),2008，16(5):1-8.

[6] 陳國進(jìn),張貽軍，王磊.股市崩盤現(xiàn)象研究評(píng)述[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2008，(11):116-120.

[7] Ozdenoren E,Yuan K.Feedback effects and asset prices[J].Journal of Finance,2008,63(4): 1939-1975.

[8] Allen F,Gale D.Stock-Price Manipulation[J].Review of Financial Studies,1992,5(3):503-29.

[9] 馮蕓,施杰,董珊珊.操縱性投機(jī)行為對(duì)金融市場(chǎng)質(zhì)量的影響:基于計(jì)算機(jī)仿真平臺(tái)的研究[J].系統(tǒng)管理學(xué)報(bào),2016，25(3):422-438.

[10] 李少平,顧廣彩.中國證券市場(chǎng)正反饋交易的實(shí)證研究[J].系統(tǒng)工程,2007，(9):111-115.

[11] 張恩眾.正反饋交易對(duì)證券市場(chǎng)的影響——來自上海證券市場(chǎng)的證據(jù)[J].山東社會(huì)科學(xué),2009，(10):83-86.

[12] Shiller R J,Kon-Ya F,Tsutsui Y.Investor behavior in the October 1987 stock market crash: Survey evidence[J].Journal of the Japanese and International Economics,1991,5(1):1-13.

[13] Hong H,Stein J C.Differences of opinion,short-sales constraints,and market crashes[J].Review of Financial Studies,2003,16(2): 487-525.

[14] Brunnermeier M K,Abreu D.Bubbles and crashes[J].Econometrica,2003,71(1):173-204.

[15] Huang J,Wang Jiang.Liquidity and market crashes[J].Review of Financial Studies,2009,22(7): 2607-2643.

[16] 肖輝,吳沖鋒.現(xiàn)貨市場(chǎng)與期貨市場(chǎng)微觀結(jié)構(gòu)比較研究[J].管理科學(xué)學(xué)報(bào),2009，12(1):93-100.

[17] 袁懷宇.金融危機(jī)下賣空管制對(duì)證券市場(chǎng)的影響——以臺(tái)灣市場(chǎng)為例[J].中國證券期貨,2010，(2):9-11.

[18] Goldstein M A,Kavajecz K A.Liquidity provision during circuit breakers and extreme market movements[R].Working Paper,White Ctr for Financial Research,New Orleans,2000.

[19] Goldstein M A,Kavajecz K A.Trading strategies during circuit breakers and extreme market movements[J].Journal of Financial Markets,2004,7(3): 301-333.

[20] 劉睿智,周勇.期現(xiàn)貨市場(chǎng)訂單流動(dòng)性層面的“遛狗效應(yīng)”——基于交易量刻度的高頻交易數(shù)據(jù)研究[J].中國管理科學(xué)2016，24(4):19-26.

[21] 曹棟,張佳.基于GARCH-M模型的股指期貨對(duì)股市波動(dòng)性影響的研究[J].中國管理科學(xué),2017,25(1):27-34.

[22] Hasbrouck J.Measuring the information content of stock trades[J].Journal of Finance,1991,46(1): 179-207.

[23] Moazzami B,Dadgostar B.Return and volume and the 2008 market crash[J].Journal of Applied Business &Economics,2013,15(2):33-37.

[24] Mu Guohua,Zhou Weixing,Chen Wei,et al.Order flow dynamics around extreme price changes on an emerging stock market[J].New Journal of Physics,2010,12(7):1653-1655.

Abstract： In this essay,the cross-market risk events caused by temporary regulatory restrictions are discussed under the circumstances that markets are linked much more closely than ever before.

Over the past three decades,financial market risk events appeared one after another.Especially when facing sharp market crashes,financial regulators tend to urgently introduce a series of stringent regulatory restrictions to stabilize the market.However,it has been found that these temporary control measures can stabilize part of the market in the short term but may have a spillover effect on the associated market and lead to greater turbulence due to the tightening of financial markets,and also damage the quality of financial markets as a result.

During the mid-2015 market crash in China,the China Financial Futures Exchange adjusted three times during a short period (August 25,August 28 and September 2) the exchange margin,intraday open position and intraday close position fee,which aimed at controlling over-speculation trades.However,the trading restrictions on stock index futures were likely to further reduce the spot market liquidity,increase the spot market selling pressure,which may cause the formation of positive feedback effect,thereby increasing the futures and spot market abnormal fluctuations.

Based on this view,the VAR model is used to study the positive feedback effect between the CSI 300 index yield (CSI 300 stock index futures yield) and the volume.In the year 2015,a total of 23 intraday extreme market crash events are selected as the research sample (including 16 events before stock index futures trading restrictions,and 7 events afterwards).

Focusing on the strict trading limits implemented on the stock index futures market during 2015 market crash,it is found that liquidity shrank in the stock index futures,and a significant positive feedback between return and order flow lead to the self-actualization of extreme events.Institutional investors fail to hedge risk via stock index futures due to the strict trading limits,which strengthens the selling pressure on stock market and causes the market crash.

Therefore,regulators should comprehensively analysis the structure changes in the current market when using regulatory restrictions to avoid policy failure.

Keywords： regulatory restrictions;cross-market rick;positive feedback

Positive Feedback and Regulatory Spillover Effect During Market Crash

DINGYi-jun,FENGYun

(Antai College of Economics and Management,Shanghai Jiao Tong University,Shanghai 200030,China)

F830.9

A

1003-207(2017)09-0081-16

10.16381/j.cnki.issn1003-207x.2017.09.010

2016-12-05；

2017-03-17

國家自然科學(xué)基金資助項(xiàng)目(71271136)

馮蕓(1973-)，女(漢族)，海南定安人，上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院金融系教授，博士生導(dǎo)師，研究方向：金融工程、金融管理，E-mail:fengyun@sjtu.edu.cn.